告别机器人“手残”！中科大等开源CAPER++，物理约束让关节物体位姿稳定输出
关节物体位姿估计在具身智能交互中常因遮挡或累积误差导致姿态漂移。CAPER++框架引入关节中心层次化建模与SE(3)流形切空间几何优化，将长时序追踪分解为局部增量学习，实现了兼顾高鲁棒性与50 FPS...
排序
免费开源！快手Keye-VL-2.0-30B大模型上线：手把手教你白嫖256K超长视频理解与代码Agent
Keye-VL-2.0-30B-A3B是快手开源的全新一代多模态大模型底座。它引入了DSA机制以极低推理成本支持256K超长上下文，并首次解锁Code与Tool等Agent协作机制，提供优秀的时序因果...
别再手动套模板了！HTML Anything 强力打通本地 AI Agent 的纯净内容交付通道
GitHub开源工具 HTML Anything 专为 AI Agent 开发，是一款本地优先的 HTML 编辑器。它不仅支持 Markdown 和 JSON 直接转为精美 HTML，还内置流式渲染与...
这款 macOS 开源录屏工具有点狠：应用甚至察觉不到你在录屏
GitHub开源工具Himi Recorder面向macOS录屏场景，支持绕过系统录屏检测、菜单栏常驻、区域框选、60 FPS录制、预览编辑与快捷键操作。
俞栋去了Capital One：AI老兵转向金融，不只是薪水的故事
俞栋加盟Capital One引发关注，AI大牛为何集体流向金融业？从邓力、Hinton深度学习旧事，到金融机构抢人大模型人才，本文梳理技术、薪酬与组织自主权背后的真实逻辑。
长文本不再是显存黑洞！拆解 Gemma 4 等新一代大模型的结构调优术
KV Cache在大模型长上下文推理中导致显存急剧飙升。本文深度剖析Gemma 4的跨层KV通道共享与逐层嵌入（PLE）技术，解析Laguna XS.2如何通过动态Query Head分配实现按层注意...
告别视觉幻觉！首个多模态并行思考框架开源：以“宽度”破局，让VLM学会分头行动
视觉语言模型在长推理时易发生注意力漂移并产生幻觉。为此，最新研究提出首个并行思考框架Visual Para-Thinker，引入并行注意力与分段学习位置编码机制。实验显示该框架显著提升了多模态模型在视...
做三明治、擦桌子样样精通！登顶RoboChallenge的星动纪元Era0，如何用细节终结“PPT机器人”时代？
星动纪元自研具身模型Era0登顶真机评测榜RoboChallenge，写三明治、擦桌子等任务惊艳业界，搭载该大脑的星动M7人形机器人已于中国邮政上岗，标志着具身智能正式从实验室走向商业批量交付时代。
ICLR 2026 | 清华刘洋团队震撼发现：8B小模型问诊吊打70B大模型，医疗AI的真正救命能力原来不是背书！
清华刘洋团队在ICLR2026发表重磅论文，提出DOCTOR-R1框架，用8B小模型在动态问诊中超越70B大模型，揭示医疗AI的真正瓶颈在于提问策略而非知识规模。
AI制药的“反摩尔定律”困局：算力暴涨，新药产出为何下降？三位顶尖学者激辩四大破局路径
算力暴涨为何新药产出下降？三位教授从系统科学、数据鸿沟、高价值赛道和AI Agent等角度，揭示AI制药破局的关键路径，深度探讨后AlphaFold时代的机遇与挑战。